CN110288358A - 一种设备团体确定方法、装置、设备及介质 - Google Patents
一种设备团体确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110288358A CN110288358A CN201910537112.3A CN201910537112A CN110288358A CN 110288358 A CN110288358 A CN 110288358A CN 201910537112 A CN201910537112 A CN 201910537112A CN 110288358 A CN110288358 A CN 110288358A
- Authority
- CN
- China
- Prior art keywords
- group
- equipment
- community
- fine granularity
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000854350 Enicospilus group Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 102220103881 rs201490575 Human genes 0.000 description 1
- 102220144047 rs7667001 Human genes 0.000 description 1
- 102220103394 rs772658698 Human genes 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种设备团体确定方法、装置、设备及介质，所述方法包括：收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。通过采用上述技术方案，可以实现对目标设备团体的准确识别。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种设备团体确定方法、装置、设备及介质。
背景技术
在直播网站上，为了获得利益，普遍存在着一些刷弹幕、刷关注等刷人气的作弊行为。基于平台(例如直播网站)的作弊行为大多具有团伙性质，且上述作弊行为还会造成网络堵塞、直播平台服务器压力过大等问题，对平台的直播生态环境造成了极大的影响。因此为了降低上述作弊行为带来的负面影响，采用合理的方法找到有作弊嫌疑的团体，并对该团体采取恰当的制止措施意义重大。
发明内容
本发明实施例提供一种设备团体确定方法、装置、设备及介质，以实现对设备团体的识别。
第一方面，本发明实施例提供了一种设备团体确定方法，所述方法包括：
收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
第二方面，本发明实施例提供了一种设备团体确定装置，所述装置包括：
收集模块，用于收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
粗划分模块，用于基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
细划分模块，用于根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
确定模块，用于基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息确定各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的设备团体确定方法。
第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如上述第一方面所述的设备团体确定方法。
本发明实施例提供的一种设备团体确定方法，通过基于社区发现算法对构建的二部图进行划分，得到至少一个社区团体，并根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体，最后基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体，简化了目标设备团体的识别过程，提高了识别精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1为本发明实施例一提供的一种设备团体确定方法流程示意图；
图2为本发明实施例一提供的一种社区团体的结构示意图；
图3为本发明实施例二提供的一种设备团体确定方法流程示意图；
图4为本发明实施例三提供的一种设备团体确定装置结构示意图；
图5为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的一种设备团体确定方法流程示意图。本实施例公开的设备团体确定方法可适用于对从事网上作弊行为的设备团体进行识别，例如通过群控软件被操作对直播间进行刷弹幕、刷关注等网上作弊行为的批量设备。该方法可以由用户团体确定装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在终端中，例如智能手机或者电脑等。具体参见图1所示，该方法包括如下步骤：
步骤110、收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图。
其中，所述平台具体可以是直播平台或者购物平台等网络平台。所述用户信息指登录或者注册过平台账号的用户标识，例如用户名称；所述设备信息指用户登录或者注册过平台账号时所使用的终端设备，例如电脑或者手机等硬件终端。
示例性的，所述收集平台的用户信息和设备信息，包括：
对注册过所述平台账号和/或登录过所述平台账号的用户信息进行收集；
对用户注册所述平台账号和/或登录所述平台账号所使用的设备信息进行收集。
具体的，可通过行为日志对所述用户信息和设备信息进行收集。
示例性的，根据所述用户信息与设备信息之间的关联关系建立二部图，包括：
将每个用户以及每个设备作为一个顶点；
若当前用户使用过当前设备，则在当前用户与当前设备对应的顶点之间建立一条边。
步骤120、基于社区发现算法对所述二部图进行划分，得到至少一个社区团体。
其中，在社交网络中，用户相当于一个点，用户之间通过相互的关注关系构成了整个网络结构，在该网络结构中，有的用户之间的连接关系较为紧密，有的用户之间的连接关系较为稀疏，连接关系较为紧密的用户可被看成一个社区团体，同一社区团体内节点之间的连接较为紧密，而在两个社区团体之间的连接则较为稀疏，具体可以参见图2所示的一种社区团体的结构示意图，其中，社区团体210和社区团体220分别表示不同的社区团体。
所述社区发现算法可以是快速展开Fast Unfolding算法，也可以是Infomap算法。社区团体的划分目标是使划分后的社区团体内部的连接较为紧密，而在社区团体之间的连接则较为稀疏，通过模块度可以衡量划分方式的优劣，模块度越大，则社区团体的划分效果越好。所述Fast Unfolding算法便是一种基于模块度进行社区划分的算法，是一种迭代算法，主要目标是通过不断划分社区使划分后的整个网络的模块度不断增大。FastUnfolding算法主要包括两个阶段：第一阶段称为模块化优化Modularity Optimization，主要是将每个节点划分到与其邻接的节点所在的社区中，以使得模块度的值不断变大；第二阶段称为社区汇总Community Aggregation，主要是将第一阶段划分出来的社区聚合成为一个点，即根据上一阶段生成的社区结构重新构造网络。重复以上过程，直到网络中的结构不再改变为止。具体的算法过程如下所示：
1)初始化，将图中的每个点划分在不同的社区中；
2)将每个点尝试划分到与其邻接的点所在的社区中，计算此时的模块度，判断划分前后模块度的差值是否为正数，若为正数，则接受本次的划分，若不为正数，则放弃本次的划分；
3)重复以上的过程，直到不能再增大模块度为止；
4)构造新图，新图中的每个点代表的是步骤3中划出来的每个社区，继续执行步骤2和步骤3，直到社区的结构不再改变为止。
步骤130、根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体。
通过上述步骤120的社区发现操作，将根据用户信息与设备信息之间的关联关系建立的二部图分成了若干社区，由于本实施例的技术方案中只需考虑设备的团体特征，而不考虑用户的团体特征，因此在划分出来的各社区团体中只保留设备顶点。即所述基于社区发现算法对所述二部图进行划分，得到至少一个社区团体之后，所述方法还包括：将所述社区团体中用户对应的顶点删除。
上述操作是基于用户和设备的关联关系(例如用户是否使用了设备)对设备进行了社区划分，其中并没用引入设备的属性信息，例如设备的机型、应用版本或者归属地区等。为了提高对设备团体的识别准确度，本实施例进一步增加了基于设备属性信息对上述至少一个社区团体进行再次划分，得到细粒度设备团体，以使细粒度设备团体能够表现出设备属性的聚集性，即团体特征。
例如，假设通过上述步骤120得到一个社区团体，该社区团体中有三个设备成员A、B和C，设备成员A和设备成员B都是iphone手机，且系统版本和app版本一致，而设备成员C是一台台式电脑，其app版本与设备成员A和设备成员B的app版本也不一致；可以看到设备成员A和设备成员B具有很多相同的设备属性，而设备成员C的设备属性与设备成员A和设备成员B的设备属性则截然不同，此时将设备成员A、设备成员B和设备成员C确定为一个社区团体并不合适，故可通过一定的算法结合设备属性将其进一步划分为两个细粒度设备团体，分别为设备成员A与设备成员B组成的设备团体，和设备成员C组成的设备团体。
步骤140、基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
其中，设备团体的分离度越高，则表示该设备团体的团体特征越弱，即该设备团体的成员聚集性越差，该设备团体为群控设备团体的可能性越小。通过结合设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，提高了目标设备团体的识别精度。
本实施例提供的一种设备团体确定方法，通过基于社区发现算法对构建的二部图进行划分，得到至少一个社区团体，并根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体，最后基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体，简化了目标设备团体的识别过程，提高了识别精度。
实施例二
图3为本发明实施例二提供的一种设备团体确定方法流程示意图。在上述实施例的基础上，本实施例对上述步骤130“根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体”进行了具体化，给出了具体的实现算法，并以举例的方式呈现具体的实现过程。具体参见图3所示，该方法包括如下步骤：
步骤310、收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图。
步骤320、基于社区发现算法对所述二部图进行划分，得到至少一个社区团体。
步骤330、将每个社区团体中的每个设备确定为一个小组。
步骤340、根据设备属性信息计算同一社区团体中各小组之间的相似度。
步骤350、各小组之间的相似度是否均低于设定阈值，若是，则执行步骤360，否则，执行步骤370。
步骤360、将当前的各小组确定为细粒度设备团体。
步骤370、将相似度最大的两个小组合并成一个小组，并返回执行步骤340。
其中，所述设备属性信息包括：设备型号、系统版本、应用版本以及所在城市中的至少一项。所述设备型号例如包括：联想电脑XX系列、苹果8Plus手机或者华为P30手机等；所述系统版本例如包括：Windows11、ios9.0或者andriod5.8等；所述应用版本例如包括：直播APP的版本为v4.6。所述所在城市具体可以指登录平台账号时所使用的IP地址的归属城市。若两个设备的设备属性信息重合的越多，则表示两个设备的相似度越高，相似度越高的设备属于同一设备团体的可能性越大，这是由于若通过群控软件对批量设备进行操作，则要求被操作的设备具有相同或者相似的设备属性，例如系统版本以及应用版本要求一致等。
举例说明上述再次划分过程：假设当前社区团体包括三个设备成员，分别为1号设备、2号设备和3号设备。首先将每个设备确定为一个小组，然后根据设备属性信息计算各小组之间的相似度，假设1号设备小组与2号设备小组之间的相似度S12＝0.75、1号设备小组与3号设备小组之间的相似度S13＝0.25、2号设备小组与3号设备小组之间的相似度S23＝0；由于1号设备小组与2号设备小组之间的相似度S12最大，故将1号设备小组与2号设备小组合并成一个小组，标记为4号小组，则目前的小组分别为3号设备小组，4号小组(包括1号设备与2号设备)，再次计算3号设备小组与4号小组之间的相似度，若3号设备小组与4号小组之间的相似度小于设定阈值，则停止迭代，得到的细粒度设备团体分别为：3号设备团体和4号设备团体，4号设备团体包括1号设备与2号设备，通过再次划分，将基于社区划分得到的一个社区团体进一步划分成了两个细粒度设备团体。若3号设备小组与4号小组之间的相似度大于设定阈值，则将3号设备小组与4号小组合并，并停止迭代，得到的细粒度设备团体包括1号设备、2号设备和3号设备，与基于社区划分得到的社区团体保持一致。
具体的，根据设备属性信息计算同一社区团体中各小组之间的相似度，包括：
按照如下公式计算各小组之间的相似度：
其中，wuv表示小组u与小组v之间相似度，xui表示小组u的第i个设备属性指标，xvi表示小组v的第i个设备属性指标，N表示设备属性信息包括的设备属性指标总数，I(xui＝xvi)表示示性函数，如果xui＝xvi，则I(xui＝xvi)取1，如果xui≠xvi，则I(xui＝xvi)取0。
假设同一社区团体C包括三个小组，分别标记为第一小组、第二小组和第三小组，每个小组包括一个设备成员，第一小组包括设备成员1、第二小组包括设备成员2和第三小组包括设备成员3，各小组的设备属性指标分别是：
第一小组(设备成员1)：机型＝Iphone7；系统版本＝ios9；app版本＝v4.5；IP所在城市＝武汉；
第二小组(设备成员2)：机型＝iPhone7；系统版本＝ios9；app版本＝v4.6；IP所在城市＝武汉；
第三小组(设备成员3)：机型＝Huawei；系统版本＝26；app版本＝v4.5；IP所在城市＝北京；
首先，计算两两小组之间的相似度：
第一小组与第二小组之间的相似度
第一小组与第三小组之间的相似度
第二小组与第三小组之间的相似度
可见，第一小组与第二小组之间的相似度最大，因此，将第一小组与第二小组合并成一个小组，记为第四小组，当前的小组更新为第三小组和第四小组，继续按照上述方式计算第三小组和第四小组之间的相似度，直到各小组之间的相似度均低于设定阈值，停止小组之间的进一步合并操作。需要说明的是，若一个小组中只包括一个设备成员，则小组的设备属性指标由所述设备成员的属性信息决定，若一个小组中包括至少两个设备成员，则小组的设备属性指标基于少数服从多数的原则确定，例如当前小组包括三个设备成员，分别1号设备成员、2号设备成员和3号设备成员，其中，1号设备成员的机型指标为Iphone7，2号设备成员的机型指标也为Iphone7，3号设备成员的机型指标为Huawei，则当前小组的机型指标为Iphone7。若当前小组包括两个设备成员，且两个设备成员的机型指标互不相同，则当前小组的机型指标可为其中任意一个。
步骤380、基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
具体的，按照如下公式计算各细粒度设备团体的分离度：
其中：res(g)表示设备团体g的分离度，Mg表示设备团体g的成员数，X表示设备属性指标集合，x表示设备属性指标集合中的一个元素，xr表示设备属性指标x的取值集合，r是取值集合中的任意一个元素；N表示设备属性信息包括的属性指标总数，Mg,x(r)表示在设备团体g中设备属性指标x的取值是r的成员数。
举例说明上述分离度计算过程，假设同一社区团体C包括三个小组，分别标记为第一小组、第二小组和第三小组，每个小组包括一个设备成员，第一小组包括设备成员1、第二小组包括设备成员2和第三小组包括设备成员3，各小组的设备属性指标分别是：
第一小组(设备成员1)：机型＝Iphone7；系统版本＝ios9；app版本＝v4.5；IP所在城市＝武汉；
第二小组(设备成员2)：机型＝iPhone7；系统版本＝ios9；app版本＝v4.6；IP所在城市＝武汉；
第三小组(设备成员3)：机型＝Huawei；系统版本＝26；app版本＝v4.5；IP所在城市＝北京；
首先，计算两两小组之间的相似度：
第一小组与第二小组之间的相似度
第一小组与第三小组之间的相似度
第二小组与第三小组之间的相似度
可见，第一小组与第二小组之间的相似度最大，因此，将第一小组与第二小组合并成一个小组，记为第四小组，当前的小组更新为第三小组和第四小组，继续按照上述方式计算第三小组和第四小组之间的相似度设定阈值为0.4，由于第三小组和第四小组之间的相似度小于设定阈值，因此，停止小组之间的进一步合并操作，将当前的各小组确定为细粒度设备团体，即得到的细粒度设备团体包括：第三小组和第四小组。由于第三小组只包括一个设备成员，因此不能被称为设备团体，将其滤除，不需要进一步计算其分离度；按照上述分离度计算公式进一步计算第四小组的分离度：设备团体(第四小组)的成员数Mg＝2，设备属性指标集合X＝[机型、系统版本、app版本、所在城市]，设备属性指标集合X中的元素x为机型时，设备属性指标x的取值集合xr＝[Iphone7、Huawei]，取值集合中的任意一个元素r可以是Iphone7或者Huawei；设备属性信息包括的属性指标总数N＝4，第四小组中设备属性指标x取值为Iphone7的成员数Mg,x(Iphone7)＝2，第四小组中设备属性指标x取值为ios9.0的成员数Mg,x(ios9.0)＝2，第四小组中设备属性指标x取值为v4.5的成员数Mg,x(v4.5)＝1，第四小组中设备属性指标x取值为v4.6的成员数Mg,x(v4.6)＝1，第四小组中设备属性指标x取值为武汉的成员数Mg,x(武汉)＝2，将上述数值代入上述分离度计算公式可得：
可设置分离度阈值为0.25，由于第四小组的分离度大于0.25，因此第四小组的分离度不是一个具有嫌疑的群控设备团体。
本实施例提供的一种设备团体确定方法，通过根据设备属性信息对基于社区发现算法得到的至少一个社区团体进行再次划分，得到细粒度设备团体，并基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体，提高了识别精度。
实施例三
图4为本发明实施例三提供的一种设备团体确定装置结构示意图。参见图4所示，所述装置包括：收集模块410、粗划分模块420、细划分模块430和确定模块440；
其中，收集模块410，用于收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；粗划分模块420，用于基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；细划分模块430，用于根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；确定模块440，用于基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息确定各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
进一步的，收集模块410具体用于：
对注册过所述平台账号和/或登录过所述平台账号的用户信息进行收集；
对用户注册所述平台账号和/或登录所述平台账号所使用的设备信息进行收集。
进一步的，收集模块410包括：建立单元，用于将每个用户以及每个设备作为一个顶点，若当前用户使用过当前设备，则在当前用户与当前设备对应的顶点之间建立一条边。
进一步的，所述装置还包括：删除模块，用于基于社区发现算法对所述二部图进行划分，得到至少一个社区团体之后，将所述社区团体中用户对应的顶点删除。
进一步的，细划分模块430包括：
确定单元，用于将每个社区团体中的每个设备确定为一个小组；
计算单元，用于根据设备属性信息计算同一社区团体中各小组之间的相似度；
合并单元，用于将相似度最大的两个小组合并成一个小组；
循环单元，用于重复上述相似度计算以及小组合并步骤，直到各小组之间的相似度均低于设定阈值，将当前的各小组确定为细粒度设备团体；其中，所述设备属性信息包括：设备型号、系统版本、应用版本以及所在城市中的至少一项。
进一步的，所述计算单元具体用于：
按照如下公式计算各小组之间的相似度：
其中，wuv表示小组u与小组v之间相似度，xui表示小组u的第i个设备属性指标，xvi表示小组v的第i个设备属性指标，N表示设备属性信息包括的设备属性指标总数，I(xui＝xvi)表示示性函数，如果xui＝xvi，则I(xui＝xvi)取1，如果xui≠xvi，则I(xui＝xvi)取0。
进一步的，确定模块440具体用于：按照如下公式计算各细粒度设备团体的分离度：
其中：res(g)表示设备团体g的分离度，Mg表示设备团体g的成员数，X表示设备属性指标集合，x表示设备属性指标集合中的一个元素，xr表示设备属性指标x的取值集合，r是取值集合中的任意一个元素；N表示设备属性信息包括的属性指标总数，Mg,x(r)表示在设备团体g中设备属性指标x的取值是r的成员数。
本实施例提供的设备团体确定装置，通过基于社区发现算法对构建的二部图进行划分，得到至少一个社区团体，并根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体，最后基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体，简化了目标设备团体的识别过程，提高了识别精度。
本发明实施例所提供的设备团体确定装置可执行本发明任意实施例所提供的设备团体确定方法，具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的设备团体确定方法。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如设备团体确定装置的收集模块410、粗划分模块420、细划分模块430和确定模块440)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(例如设备团体确定装置的收集模块410、粗划分模块420、细划分模块430和确定模块440)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的设备团体确定方法，该方法包括：
收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的设备团体确定方法。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的设备团体确定方法的技术方案。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的设备团体确定方法，该方法包括：
收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的设备团体确定方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种设备团体确定方法，其特征在于，包括：
收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
2.根据权利要求1所述的方法，其特征在于，所述收集平台的用户信息和设备信息，包括：
对注册过所述平台账号和/或登录过所述平台账号的用户信息进行收集；
对用户注册所述平台账号和/或登录所述平台账号所使用的设备信息进行收集。
3.根据权利要求1所述的方法，其特征在于，根据所述用户信息与设备信息之间的关联关系建立二部图，包括：
将每个用户以及每个设备作为一个顶点；
若当前用户使用过当前设备，则在当前用户与当前设备对应的顶点之间建立一条边。
4.根据权利要求1所述的方法，其特征在于，所述基于社区发现算法对所述二部图进行划分，得到至少一个社区团体之后，还包括：
将所述社区团体中用户对应的顶点删除。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体，包括：
将每个社区团体中的每个设备确定为一个小组；
根据设备属性信息计算同一社区团体中各小组之间的相似度；
将相似度最大的两个小组合并成一个小组；
重复上述相似度计算以及小组合并步骤，直到各小组之间的相似度均低于设定阈值，将当前的各小组确定为细粒度设备团体；
其中，所述设备属性信息包括：设备型号、系统版本、应用版本以及所在城市中的至少一项。
6.根据权利要求5所述的方法，其特征在于，根据设备属性信息计算同一社区团体中各小组之间的相似度，包括：
按照如下公式计算各小组之间的相似度：
其中，wuv表示小组u与小组v之间相似度，xui表示小组u的第i个设备属性指标，xvi表示小组v的第i个设备属性指标，N表示设备属性信息包括的设备属性指标总数，I(xui＝xvi)表示示性函数，如果xui＝xvi，则I(xui＝xvi)取1，如果xui≠xvi，则I(xui＝xvi)取0。
7.根据权利要求5所述的方法，其特征在于，基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息计算各细粒度设备团体的分离度，包括：
按照如下公式计算各细粒度设备团体的分离度：
其中：res(g)表示设备团体g的分离度，Mg表示设备团体g的成员数，X表示设备属性指标集合，x表示设备属性指标集合中的一个元素，xr表示设备属性指标x的取值集合，r是取值集合中的任意一个元素；N表示设备属性信息包括的属性指标总数，Mg,x(r)表示在设备团体g中设备属性指标x的取值是r的成员数。
8.一种设备团体确定装置，其特征在于，所述装置包括：
收集模块，用于收集平台的用户信息和设备信息，并根据所述用户信息与设备信息之间的关联关系建立二部图；
粗划分模块，用于基于社区发现算法对所述二部图进行划分，得到至少一个社区团体；
细划分模块，用于根据设备属性信息对所述至少一个社区团体进行再次划分，得到细粒度设备团体；
确定模块，用于基于每个所述细粒度设备团体的规模以及团体设备成员的属性信息确定各细粒度设备团体的分离度，并根据所述分离度确定目标设备团体。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的设备团体确定方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-7中任一项所述的设备团体确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910537112.3A CN110288358A (zh) | 2019-06-20 | 2019-06-20 | 一种设备团体确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910537112.3A CN110288358A (zh) | 2019-06-20 | 2019-06-20 | 一种设备团体确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110288358A true CN110288358A (zh) | 2019-09-27 |
Family
ID=68004032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910537112.3A Pending CN110288358A (zh) | 2019-06-20 | 2019-06-20 | 一种设备团体确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288358A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110855641A (zh) * | 2019-10-30 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 社区属性信息确定方法、装置及存储介质 |
| CN111046429A (zh) * | 2019-12-13 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的关系网络构建方法及装置 |
| CN111371858A (zh) * | 2020-02-25 | 2020-07-03 | 同盾控股有限公司 | 群控设备识别方法、装置、介质及电子设备 |
| CN113283908A (zh) * | 2021-06-09 | 2021-08-20 | 武汉斗鱼鱼乐网络科技有限公司 | 目标团体的识别方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105634855A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 网络地址的异常识别方法及装置 |
| CN106156068A (zh) * | 2015-03-30 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种用户关联处理方法和装置 |
| CN107622197A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 设备识别方法及装置、用于设备识别的权重计算方法及装置 |
| CN108038696A (zh) * | 2017-12-01 | 2018-05-15 | 杭州呯嘭智能技术有限公司 | 基于设备标识码和社交群组信息的刷单检测方法及系统 |
| CN109063966A (zh) * | 2018-07-03 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法和装置 |
| CN109255632A (zh) * | 2018-09-03 | 2019-01-22 | 武汉斗鱼网络科技有限公司 | 一种用户团体识别方法、装置、设备及介质 |
| CN109587523A (zh) * | 2018-11-30 | 2019-04-05 | 武汉斗鱼网络科技有限公司 | 一种虚假关注的识别方法以及相关设备 |
-
2019
- 2019-06-20 CN CN201910537112.3A patent/CN110288358A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105634855A (zh) * | 2014-11-06 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 网络地址的异常识别方法及装置 |
| CN106156068A (zh) * | 2015-03-30 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种用户关联处理方法和装置 |
| CN107622197A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 设备识别方法及装置、用于设备识别的权重计算方法及装置 |
| CN108038696A (zh) * | 2017-12-01 | 2018-05-15 | 杭州呯嘭智能技术有限公司 | 基于设备标识码和社交群组信息的刷单检测方法及系统 |
| CN109063966A (zh) * | 2018-07-03 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法和装置 |
| CN109255632A (zh) * | 2018-09-03 | 2019-01-22 | 武汉斗鱼网络科技有限公司 | 一种用户团体识别方法、装置、设备及介质 |
| CN109587523A (zh) * | 2018-11-30 | 2019-04-05 | 武汉斗鱼网络科技有限公司 | 一种虚假关注的识别方法以及相关设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110855641A (zh) * | 2019-10-30 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 社区属性信息确定方法、装置及存储介质 |
| CN110855641B (zh) * | 2019-10-30 | 2022-07-01 | 支付宝(杭州)信息技术有限公司 | 社区属性信息确定方法、装置及存储介质 |
| CN111046429A (zh) * | 2019-12-13 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的关系网络构建方法及装置 |
| CN111046429B (zh) * | 2019-12-13 | 2021-06-04 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的关系网络构建方法及装置 |
| CN111371858A (zh) * | 2020-02-25 | 2020-07-03 | 同盾控股有限公司 | 群控设备识别方法、装置、介质及电子设备 |
| CN111371858B (zh) * | 2020-02-25 | 2022-11-01 | 同盾控股有限公司 | 群控设备识别方法、装置、介质及电子设备 |
| CN113283908A (zh) * | 2021-06-09 | 2021-08-20 | 武汉斗鱼鱼乐网络科技有限公司 | 目标团体的识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288358A (zh) | 一种设备团体确定方法、装置、设备及介质 | |
| KR101894226B1 (ko) | Ｉｐ 어드레스에 대응하는 위치를 결정하기 위한 방법, 장치, 및 시스템 | |
| CN107920122A (zh) | 游戏玩家匹配方法、装置、匹配服务器及可读存储介质 | |
| CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
| CN110019825B (zh) | 一种分析数据语义的方法及装置 | |
| CN104572889A (zh) | 一种搜索词推荐方法、装置和系统 | |
| US11863439B2 (en) | Method, apparatus and storage medium for application identification | |
| CN112311571B (zh) | 网络拓扑生成方法及装置、电子设备和非暂态存储介质 | |
| CN110225104A (zh) | 数据获取方法、装置及终端设备 | |
| CN110188262B (zh) | 一种异常目标确定方法、装置、设备及介质 | |
| EP3828732A2 (en) | Method and apparatus for processing identity information, electronic device, and storage medium | |
| CN109800204A (zh) | 数据分配方法及相关产品 | |
| CN106790727A (zh) | 消息推送方法及装置 | |
| CN108985954A (zh) | 一种建立各标识的关联关系的方法以及相关设备 | |
| CN112783731B (zh) | 异常设备检测方法、装置、设备和存储介质 | |
| CN102902754A (zh) | 一种兴趣点搜索方法及装置 | |
| CN105338154A (zh) | 一种联系人排序方法、装置及终端 | |
| CN112860811A (zh) | 数据血缘关系的确定方法、装置、电子设备和存储介质 | |
| CN112507265A (zh) | 基于树结构进行异常侦测的方法、装置及相关产品 | |
| CN110490598A (zh) | 异常检测方法、装置、设备及存储介质 | |
| CN109284444A (zh) | 一种好友的推荐方法、装置、服务器及存储介质 | |
| CN113868508A (zh) | 写作素材查询方法、装置、电子设备和存储介质 | |
| CN115396320A (zh) | 端口连接关系的确定方法、装置、设备及存储介质 | |
| CN115470399A (zh) | 一种基于大数据的id打通方法、装置、设备和存储介质 | |
| CN108200604A (zh) | 数据传输方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |